基于异方差差分和K-匿名机制的医疗数据隐私保护方法

摘要

一种基于异方差差分和K‑匿名机制的医疗数据隐私保护方法，通过引入差分隐私保护改善了K‑anonymity弱保护性的缺点，增强了数据的安全性；同时利用CART决策树计算出的各属性权重对不同属性进行异方差加噪，给予对最终分类结果影响力小的属性大噪音，给予对最终分类结果影响力大的属性小噪音，改变了传统统一加噪的方式，增强了数据的可用性；最后加入深度神经网络使得其数据可用性有了直观的展示。